Curso sobre mlflow para gerenciamento de modelos de machine learning e deep learning. Com ele, podemos salvar métricas, hiperparâmetros, o próprio modelo e também ter todo o histórico de testes feitos. Vale ressaltar que com ele, temos interface gráfica através do comando mlflow ui (caso não tenha a porta 5000 livre, use: mlflow ui -p 2345) para rodar no ambiente local.
O mais legal de tudo isso, que podemos já servir o modelo em uma plataforma na nuvem e fazer-los requisições com ele através do comando:
mlflow models serve --model-uri:/[id_model]/[log_modelo] -p 2345
onde:
- id_model: eh o identificador hash do modelo e
- log_modelo: qual info/tag que você quer exibir.
Contudo, é preciso antes configurar um host na nuvem para que possar rodar o mlflow nele e assim pode usufruir de seus benefícios.